使用Html敏捷包解析特殊字符时的奇怪输出

Question

我试图刮一个法语网站，但法语语言有一些特殊的字符，如é和à等，最后我得到了一些奇怪的输出，而不是那个( Google中的检查)

<a href="www.exemple.com/1" title="Soins Anti-âge et Anti-rides">
  <span>Soins Anti-âge et Anti-rides</span>
</a>

<a href="www.exemple.com/2" title="Rides installées">
  <span>Rides installées</span>
</a>

我将得到这个输出( Visualizer中的文本可视化器)

<a href="www.exemple.com/1" title="Soins Anti-&acirc;ge et Anti-rides">
  <span>Soins Anti-&acirc;ge et Anti-rides</span>
</a>

<a href="www.exemple.com/2" title="Rides install&eacute;es">
  <span>Rides install&eacute;es</span>
</a>

我的代码如下

string url = "https://universparadiscount.ma/7-product.html";
HttpClient httpClient = new HttpClient();
string html = await httpClient.GetStringAsync(url);
HtmlDocument htmlDocument = new HtmlDocument();
htmlDocument.LoadHtml(html);

string SubCategory = htmlDocument.DocumentNode.Descendants("span")
    .Where(node => node.GetAttributeValue("itemprop", string.Empty)
    .Equals("title")).LastOrDefault()?.InnerText.Trim('\r', '\n', '\t', ' ');
Console.WriteLine(SubCategory);

Answer 1

如果我理解这个问题，您可以使用HttpUtility.HtmlDecode

将被HTML编码的用于HTTP传输的字符串转换为已解码的字符串。

若要在web应用程序之外对值进行编码或解码，请使用WebUtility类。

示例

Console.WriteLine(SubCategory);
Console.WriteLine(HttpUtility.HtmlDecode(SubCategory));

输出

Rides installées
Rides installées